시계열 분류
시간 시리즈 분류는 다양한 분야와 시나리오에서 널리 적용되는 작업으로, 라벨이 지정된 훈련 데이터를 사용하여 감독 학습 방법을 통해 시간 시리즈 데이터의 출처나 사전 정의된 범주를 식별하는 것을 목표로 합니다. 이 작업은 다른 출처의 시간 시리즈 데이터를 효과적으로 구분할 수 있어 실제 응용 분야에서 매우 유용합니다.
PhysioNet Challenge 2012
GRU-D - APC (n = 1)
ArabicDigits
MALSTM-FCN
JapaneseVowels
Libras
UWave
Wafer
R_DST_Ensemble
CharacterTrajectories
MALSTM-FCN
AUSLAN
GP-Sig-LSTM
CMUsubject16
GP-Sig-LSTM
DigitShapes
GP-Sig-LSTM
ECG
KickvsPunch
SNLST
NetFlow
SHAPES
WalkvsRun
EigenWorms
LEM
PEMS
pendigits
Disjoint-CNN
FaceDetection
Heartbeat
ConvTran
BorealTC
CNN
Earthquakes
FordA
1D Convolution Neural Network
Insectwingbeat
Physionet 2017 Atrial Fibrillation
ENCASE
s2-agri
PSE+L-TAE
UEA
IT+TPS
EthanolConcentration
ArticularyWordRecognition
SelfRegulationSCP2
Ethereum Phishing Transaction Network
time series
AATLD Gesture Recognition
MUSE
ACSF1
Adiac
ArrowHead
R_DST_Ensemble
BasicMotions
Beef
Cricket
ECG200
ECG5000
ERing
Handwriting
LP1
LP2
LP3
LP4
LP5
NATOPS
RacketSports
StandWalkJump
TSEM
UCI Epileptic Seizure Recognition